[发明专利]一种基于DEA和SVM的电网运维效率评价方法

说明书

本发明公开了一种基于DEA和SVM的电网运维效率评价方法，首先将电网决策单元DMU的所有数据分为输入(投入)、输出(产出)和环境数据，环境数据用于聚类分析，通过模糊聚类后再进行评价，从而保证决策单元DMU的同类可比性。将输入和输出数据用于DEA评价中，创新地考虑非期望输入输出和期望输入输出关系，优化传统DEA算法仅针对低投入高产出的策略限制。考虑到时间维度对评价的重要性，将加入全尺度多时间维度的遗忘函数以全面评价DMU效率绝对得分和相对得分。将DEA评价结果的效率标签用于指导SVM算法进行有监督学习训练，训练结果模型可用于简化评价流程。本发明方法对效率评价相关方向研究具有重要科学意义和应用价值。

技术领域

本发明涉及一种基于DEA和SVM的电网运维效率评价方法，用于电网运维中各类决策单元效率评价问题。

背景技术

随着日益激烈的市场环境以及快速改变的互联网化数据化发展趋势，电网想要在未来电力市场中取得有利位置，必须有效利用数据驱动分析工具，提升公司日常运营效益和企业投入产出比。其中，效率评价是一种衡量公司发展水平以及同期同行竞争力的有效手段。通过效率评价，企业可以明确自身定位，量化分析同行差距，摒弃以往盲目投入不计ROI的粗旷企业经营模式。

数据包络分析(DEA)方法是由Charnes等人研究提出的一种基于低投入高产出为原则的提升整体ROI的评价决策单元(DMU)方法。主要研究生产可能集合相关的投入产出效率研究问题。传统DEA方法中通常基于投入产出的比例为目标函数，通过求解带约束的凸优化问题来尝试找到生产前沿面，通过生产前沿面，可以将决策单元二分为效率单元和非效率单元。更进一步，通过评价效率得分的有效计算，可以获得决策单元各项指标的灵敏度分析和前沿面距离分析结果，有效规划指导决策单元在未来投入产出资源配置过程。

在使用DEA模型对DMU进行评价时，现有的传统DEA评价方法存在以下不足：首先，通常评价缺乏同类可比的考量。以电网公司举例，沿海的省份和内陆西北地区的省份环境存在较大差异，先天环境因素导致的长期不可比性，因此若进行效率评价时如果没有预先剔除环境变量因素，保证同类可比性，将会导致内陆西北地区评价长期处于不利位置，从而失去考评意义。其次，传统的DEA方法在输入输出变量的选择上都必须为非负，而且普遍输入和输出的方向存在限制，当考虑一些新场景下，模型适应性有限。再者，原本DEA模型缺乏在时间维度的考量，多为静态时间的评价模型，融合时间尺度考虑变化趋势的效率评价模型有待建立。最后，传统做评价模型的方法分析N个决策单元需要求解N*N-1次凸优化模型，求解完成后需要计算多个DMU的效率得分来得到是否在前沿面的判断，过程纷繁复杂操作步骤较多。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于DEA和SVM的电网运维效率评价方法，包括针对特定场景进行的DEA模型修正，综合考虑时间维度的全尺度评价，利用支持向量机算法对评价过程进行分类简化。

本发明的目的是通过以下技术方案来实现的：一种基于DEA和SVM的电网运维效率评价方法，该方法包括以下步骤：

步骤1、为保证决策单元DMU的同类可比性，采用模糊聚类算法，将决策单元DMU根据聚类结果分成若干类，剔除环境因素对效率评价的影响。模糊聚类算法预先设定聚类中心数目c和模糊指数m，通过隶属度矩阵μij和聚类中心cj的迭代更新，直到损失函数Jm收敛。隶属度矩阵μij和聚类中心cj的迭代更新规则满足以下公式：